Об'єкт дослідження - процеси споживання електроенергії. Мета дослідження - синтез нових нейромережевих методів прогнозування процесів споживання електроенергії, що враховують специфіку цих процесів і взаємозв'язків між ними. Методи дослідження - теорія штучних нейронних мереж, що дозволила синтезувати нові архітектури ШНМ; теорія оптимізації й лінійна алгебра, що дозволили вдосконалити методи навчання ШНМ; теорія нечіткої логіки, що дозволила обробляти дані, задані в порядковій і номінальній шкалах вимірювання; імітаційне моделювання, яке підтвердило достовірність одержаних теоретичних результатів; математична статистика, що дозволила дослідити результати експериментів. Теоретичні і практичні результати - розроблені архітектури й методи навчання ШНМ і НФМ дозволяють у різних аспектах підвищити ефективність розв'язання задач прогнозування процесів електроспоживання й можуть застосовуватися при розв'язання конкретних задач як окремо, так і в сукупності. Наукова новизна - вперше запропоновано архітектуру локально-рекурентної нейронної мережі для довготермінового прогнозування процесів електроспоживання, що відрізняється наявністю першого прихованого шару, який реалізує нелінійні моделі авторегресії - ковзного середнього різних порядків, що дає можливість автоматичного вибору й відстеження порядку прогнозованого процесу; вперше запропоновано нейромережевий метод прогнозування тренд-сезонних процесів споживання електроенергії, який відрізняється паралельною обробкою гармонійних компонент, що дає можливість прогнозувати процес з апріорі відомою фіксованою кількістю гармонійних компонент; вперше запропоновано нейромережевий метод прогнозування полігармонійних процесів споживання електроенергії, який відрізняється послідовною обробкою гармонійних компонент, що дає можливість прогнозувати процес з апріорі невідомою та змінною у часі кількістю гармонійних компонент; удосконалено метод навчання спеціалізованих нейро-фаззі мереж для короткотермінового прогнозування процесів споживання електроенергії, який відрізняється наявністю регуляризатора, що дозволяє уникнути "паралічу" мережі; удосконалено метод навчання нейронної мережі зустрічного поширення, який відрізняється застосуванням стратегії "переможець одержує більше" з використанням біполярної функції сусідства, що дозволяє підвищити точність прогнозування електроспоживання у вузлах електроенергетичної системи. Ступінь упровадження - результати досліджень впроваджені та використовуються в ТОВ "Хартеп", м. Харків, що підтверджено актом від 07.06.2010 р. та використані в задачі "Прогноз навантаження" ОІК АСДУ Західної енергосистеми ДП НЕК "Укренерго", що підтверджено актом від 30.06.2010 р., а також впроваджені в навчальний процес на кафедрі штучного інтелекту Харківського національного університету радіоелектроніки при підготовці курсів "Нейромережеві методи обчислювального інтелекту" і "Інтелектуальні системи керування й діагностики", які читаються студентам спеціальності "Інтелектуальні системи прийняття рішень", що підтверджено актом від 03.06.2010 р., і в науково-дослідні роботи Харківського національного університету радіоелектроніки, що підтверджено актом від 23.06.2010 р. Сфера використання - в організаціях, що займаються аналогічними проблемами розробки інтелектуальних систем та методів прогнозування складних процесів; у галузях інформаційних технологій, енергетики, транспорту, економіки; у навчальному процесі при підготовці фахівців у галузях систем інтелектуальної обробки інформації.
